智能家居中室內定位算法綜述

李芊均

摘 要：隨著信息化技術的發展，智能家居逐漸成為一個火熱的討論話題。針對智能家居系統的一系列技術革新，也是相關領域眾多學者所研究的重點。其中，室內定位技術的研究最近備受矚目。室內定位技術作為一項集通信、計算機、傳感器及物聯網等技術于一體的綜合性信息技術，在智能家居系統中占據著核心地位。本文將對智能家居的發展現狀，室內定位算法概況進行深入分析，并介紹了當前較先進的Hector SLAM室內定位算法，最后給出了一個室內定位系統的實例。本文的研究可以為智能家居室內定位技術的發展提供有益的參考。

關鍵詞：智能家居；室內定位；物聯網

中圖分類號：TP391.44 文獻標識碼：A 文章編號：1671-2064（2018）22-0044-04

1 引言

近年來，隨著物聯網技術走進千家萬戶，人們的生產生活方式受到了革命性的影響，計算機技術、網絡通信技術以及自動控制技術開始滲入傳統家居環境，各種家電和家居設備開始朝著智能化方向挺進。通過遠程控制或者多維傳感器，智能家居為人們的住所提供了更加綠色、更加安全，及更加便利的體驗?？傮w而言，信息化技術在智能家居中有很多的應用實例，其囊括了智能門鎖[1]、智能照明[2]、智能安全系統[3]、智能環境監測[4]，和仿人機器人[3，5]等。

從技術方面講，不同的智能應用所需要的核心技術不同。其中室內定位算法是智能家居系統的關鍵技術之一，對智能家居的發展有著重要影響。隨著人們對各種室內定位技術研究的不斷深入，其應用領域也進一步擴展，但仍然無法滿足日益發展的智能家居系統需求，高精度定位仍然需要付出較高的成本，因此室內定位算法成為了研究重點。為了對室內定位技術有一個全面深入的了解，推動智能家居的普及，本文對智能家居中室內定位算法展開了綜述討論。

2 智能家居的國內外發展近況

2.1 國外智能家居發展現狀

智能家居的概念屬于物聯網技術的范疇，最初起源于歐美發達國家，早在上世紀80年代，美國就推出了全球首幢智能建筑，實現了空調、電梯、消防等子系統的聯網控制，從此拉開了智能家居技術的序幕。到上世紀90年代末，比爾·蓋茨投資建設了第一家真正意義上的智能家居，使智能家居開始走進家庭[6]。由于國外智能家居技術起步較早，到目前其技術已比較成熟，大量的普通家庭已經可以享受到智能家居系統帶來的便利，智能化時代特征明顯。

2.2 國內智能家居發展情況

我國物聯網技術研究起步較晚，智能家居系統出現也較晚，但經過多年的趕超，我國的智能家居技術也有了較大的發展。上世紀90年代末，中科院首先啟動智能技術研究并應用于電力行業。目前我國的智能家居正由自動化和聯網化的現狀朝著智能化方向發展，基于各種真實生活應用情景的智能化服務不斷提升，促使整個智能家居產業由智能單品的研發向智能化家居系統的方向演進。然而，我國在智能家居的建設上并未實現統一標準，各廠商的產品兼容性差，智能化成本偏高，限制了智能家居系統在社會的普及[7]。

3 常見的室內定位技術

3.1 常見的傳統室內定位技術

3.1.1 RFID定位法

射頻識別（Radio Frequency Identification，RFID）定位是通過無線射頻信號實現定位的一種技術，具有非接觸、雙向通信、自動識別等特征，對人體和物體均有較好的效果。RFID不但可以感知物體位置，還能感知人體的移動狀態并進行跟蹤，但其定位精度受多路徑傳播的影響較為明顯。為了進一步提高定位精度，有學者[8]提出可以采用超寬帶（Ultra-Wideband，UWB）通信技術對RFID進行改進，因為UWB是在一起傳播時間進行位置檢測的，可以實現較高的精度，當前市場上的產品基本上已經實現±15cm的檢測精度。盡管UWB在精度上有了較大的改進，然而它要求目標人體隨身配備相應的硬件裝置，這在便捷性和成本方面均具有較大局限[9]。

RFID定位法目前已廣泛應用于智能家居室內定位領域，總體來看其技術是在不斷改進的，但仍然存在一些缺點：首先，對目標的檢測依賴于電子標簽，并且不同的待定位目標必須采用完全不同的ID信息；其次，讀寫器的信號強度與檢測精度成反比關系，因此其覆蓋面積與信號強度形成了一對不可調和的矛盾，只有通過增加讀寫器的方式才能實現大范圍高精度定位；最后，讀寫器采用主動式定位方式，需要不停地向目標發送定位信號，這使能耗和供電成為系統性能的重要制約因素。

3.1.2 超聲波定位法

超聲波定位是以超聲波的傳播特性為基本原理的一種定位技術，近年在智能家居中也得到廣泛應用。超聲波定位技術需要借助超聲波發生器、超聲波接收機等設備才能完成目標定位，利用發射與接收的時間差來計算目標位置。首先，控制電路向超聲波發射器發出一條檢測指令，使脈沖發生器開始對外發射超聲波信號，同時定時器啟動計時。超聲波遇到目標后，部分聲波會被反射回來，形成回波，檢測裝置識別到回波信號后立即停止計時。若發射器時間為T1，接收器時間為T2，那么目標的距離就可以表示為D=（T2-T1）V/2，其中V表示聲速。

超聲波定位法同樣需要被檢測目標攜帶接收裝置，但其成本相對于RFID而言要低得多，因為超聲波信號的傳播速度遠比無線電信號的傳播要慢，所以其采樣頻率也可以做得較低，通?？梢赃_到100kHz以下。但基于時間差對目標進行定位，其精度對計時器和信號處理技術有很高的要求，這通過需要付出很大的成本，從而使其相對于RFID的優勢喪失。因而當前的超聲波定位一般都與射頻定位技術結合使用，即采用超聲波作為信號傳輸的載體，采用射頻信號進行傳播時間的檢測，這種方案可以綜合利用兩種技術的優勢。

基于超聲波的定位方法也有其自身的缺點。首先，超聲波在空氣中的衰減較為明顯，其傳播距離通過不會超過5m，在需要大范圍定位時必須大量布設脈沖發生器和回波檢測器，并且對信號發射的方向有較嚴格的要求。其次，設備布置密度又不宜過大，因為散射雜波會相互干擾，從而影響定位精度。最后，被檢測目標不能被其它物體遮擋，否則無法檢測，超聲波對人體的運動識別還需要依賴于更復雜的檢測手段和信號處理算法才能達到較高精度，這些都會大大增加系統成本，因而限制了其應用。

3.1.3 GPS定位法

起初全球定位系統（Global Positioning System，GPS）主要用于室外定位和遙感測繪，然而近些年隨著GPS技術的日益成熟，歐美發達國家廣泛采用GPS定位法進行室內定位。當前，GPS通常與無線移動通信技術一同采用，形成A-GPS（Assisted-GPS）定位技術。其基本原理為：移動終端先把自身地址信息由網絡發送到定位服務器，服務器收到定位請求后找到該地址GPS輔助信息并回傳給移動終端，移動終端將接收到的信號按一定的協議進行解析后，計算出自身與衛星之間的距離，再將該距離發送至定位服務器進行計算，最終得到移動終端的定時位置。

目前GPS室內定位法已經可以實現1m以內的商業定位精度，但考慮到GPS信號在室內的信號一般不強，因此需要額外增加信號增加設備。有學者提出通過藍牙技術來彌補GPS信號弱的缺點，但藍牙的信號覆蓋面通常在10m以內，會引入較大誤差。GPS定位法的缺點是要求用戶的移動終端具有GPS定位功能，并且受到較復雜的授權流程，最關鍵的，一些封閉的建筑物或地下室內幾乎無法采用GPS進行定位。

3.1.4 紅外線定位法

紅外線定位法可以分為主動式和被動式兩種，主動式是指通過主動發出檢測信號對目標進行檢測，被動式則無需主動發出檢測指令，只需要接收目標自身輻射的紅外信號即可。主動式紅外人體定位技術一般包含紅外發射器、紅外接收器和控制器三大部分組成。紅外發射器向接收器持續發射紅外光束，當有人經過時會阻斷紅外光束，使接收器接收的光輻射發生變化，這種變化被轉化為電壓變化后，由控制器可計算出人體所在位置和移動速度?？梢?，動式紅外人體定位與超聲波定位原理相似，需要較高的硬件成本支持，在大范圍定位時有一定的局限性。

相比之下，被動式紅外定位法則對硬件支持的要求要低得多。根據物理學原理，人體本身就是一人紅外線輻射源，由于人體的體溫是恒定的，因此輻射紅外線的峰值也是固定的。通過量子探測器和熱探測器等檢測裝置對環境中的紅外輻射進行監測，即可檢測出人體的位置和運動狀態。但被動式紅外定位法容易受到環境中與人體體溫相近的物體的干擾，從而可能使系統出現誤判。

3.2 SLAM分類

同步定位與地圖構建（Simultaneous Localization and Mapping，SLAM）是由Smith等學者[10，11]于上世紀80年代末提出的一種全自主移動機器人技術，它在實現上可以分為定位與地圖構建兩個環節，這兩個環節相互依賴，不斷迭代，從而完成高精度的定位與地圖構建任務。SLAM有不同的種類，習慣上按照硬件的不同進行分類，可以分為激光雷達SLAM（LSLAM）和視覺SLAM（VSLAM）兩種。激光雷達SLAM依賴于激光雷達設備，例如進口的SICK、Velodyne和國產的rplidar等等，基于激光雷達的SLAM可以動態檢測機器人與環境目標間的距離和角度，從而精確地完成定位與避障；視覺SLAM則以視頻圖像為基礎數據完成同步定位與地圖構建，攝像頭的成本遠比激光雷達低，并且可以采集到更豐富的環境信息。

和視覺SLAM相比，激光SLAM在理論、技術和產品方面都更加成熟，因此成為了目前最穩定且最主流的室內定位及導航的方法。激光SLAM是基于機器人操作系統（Robot Operating System，ROS）的定位算法，并且根據算法激光SLAM主要分成三類，GMapping，Hector以及Cartsographer。GMapping主要基于粒子濾波，通過大量的粒子采樣及計算分布的概率密度函數，對環境進行檢測和建模。GMapping的主要問題在于其嚴重依賴里程計，且無法適應地面不平坦區域，無回環檢測。由于粒子濾波算法的特性，在面對復雜環境或者在大場景下，GMapping會因大量計算而消耗過量資源。Hector算法則是通過高斯牛頓法求解非線性最小二乘問題對定位進行計算。其最大的優勢在于不需要里程計且精度高，可以適應空中或者地面不平坦區域。但其需要高幀數雷達（頻率大于40Hz），且對初始值的選擇要求很高。相比前兩種算法，Cartsographer的累計誤差較低，并且通過輸出協方差矩陣優化二次輸入項。同時較低的雷達成本使得Cartsographer在室內定位算法中占有一席之地。

4 基于Hector SLAM的室內定位算法

由于精度高及應用場景廣泛，Hector SLAM算法成為了相關學者的研究重點。其中自主構建環境模型并實現自身定位是機器人在現實世界中運行的關鍵技術環節，但傳統的SLAM在精度和靈活性上均很難滿足日益發展的智能機器人發展需求。因此，德國學者Stefan等人[12]提出了一種靈活的、可升級的SLAM系統，即Hector SLAM算法。Hector SLAM具有低成本、低功耗、計算量小等特點，并成功應用于無人地面車（Unmanned Ground Vehicles，UGV）、無人水面車（Unmanned Surface Vehicles，USV）及小型室內導航系統中?；贖ector SLAM的系統需要使用高頻率激光雷達，結合了2D SLAM和3D IMU（Inertial Measurement Unit）導航技術，由激光雷達的數據更新來觸發，由實時計算完成3D導航，實現機器人的自主環境構建和定位[13]，如圖1所示。

2D SLAM可以用于表示任意環境的柵格地圖，通過雷達平臺的6自由度掃描形成地圖點云。經過點云進行降采樣、移除無效點、濾波等預處理后作為后續基礎數據。由于離散地圖無法實現插值和求導運算，因而可以通過雙線性濾波的方法把網格看作是底層連續概率分布的樣本。在掃描匹配中采用高斯-牛頓法實現掃描與現有地圖對齊，在6DOF（Six Degrees of Freedom）位姿估計中采用非線性擴展卡爾曼濾波器。最后通過將2D SLAM和3D EKF估計之間的信息融合獲得最佳系統性能。

5 應用舉例

為了闡明室內定位算法的應用，本文以RFID室內定位系統為例進行說明。RFID系統通常由閱讀器、電子標簽和數據庫管理系統三部分構成。如圖2所示。

首先，閱讀器通過自身的發射天線持續不斷地向室內空間發送無線信號，一旦攜帶了電子標簽的人員進入信號覆蓋范圍，閱讀器與標簽之間就會建立起通信鏈路，后臺計算機根據接收信號的處理結果即可計算出人員所在位置。從算法的角度上看，可以實現RFID定位的算法有很多，例如基于非測距的質心算法、KNN算法、APIT算法等，或者基本測距原理的AOA定位、TDOA定位和RSSI定位等。

6 結語

隨著智能家居的發展，室內定位技術也在不斷地進步，其性能正在穩步提升，各種基于不同原理的定位技術也廣泛應用于智能家居領域。然而，不同的定位技術具有不同的定位精度和適用場合，按照實際的應用場景選擇最恰當的室內定位技術，是構建高效智能家居系統的關鍵所在。不難預見，未來的智能家居室內定位技術將不斷發生融合，實現優勢互補，進一步提高定位精度，成為智能家居體系的重要技術支撐。

參考文獻

[1]Segev E， Gan S. Intelligent Interactive Lock and Locking System： U.S. Patent Application 11/631，840[P].2007-12-20.

[2]Borgert G D， Bartlett R J， Ellison J F. Illumination system and method for generating an image of an object： U.S. Patent 5，519，496[P].1996-5-21.

[3]Luo R C， Hsu T Y， Lin T Y， et al. The development of intelligent home security robot[C]//Mechatronics， 2005. ICM'05. IEEE International Conference on. IEEE， 2005： 422-427.

[4]Jiang D G， Xu B G， Wang M S. Design of greenhouse evironment remote monitoring system based on GPRS[J]. Guangdong Agricultural Sciences，2011，38（13）：160-162.

[5]Tian G， Li X， Zhao S， et al. Research and development of intelligent space technology for home service robot[J]. Journal of Shandong University （Engineering Science）， 2007， 37（5）： 53-59.

[6]馬洪莊，趙輝.論國內外智能家居現狀[J].城市建設理論研究：電子版，2015，（18）.

[7]王楊，趙紅東.室內定位技術綜述及發展前景展望[J].測控技術，2016，35（7）：1-3.

[8]Fontana R J， Gunderson S J. Ultra-wideband precision asset location system[C]//Ultra Wideband Systems and Technologies， 2002.Digest of Papers. 2002 IEEE Conference on. IEEE， 2002： 147-150.

[9]劉鵬，盧潭城，高翔.基于射頻識別的室內定位技術綜述[J].太赫茲科學與電子信息學報，2012，（2）：195-201.

[10]Smith R C，Cheeseman P. On the representation and estimation of spatial uncertainty[J]. The international journal of Robotics Research， 1986， 5（4）： 56-68.

[11]Smith R， Self M， Cheeseman P. Estimating uncertain spatial relationships in robotics[M]//Machine intelligence and pattern recognition.North-Holland， 1988， 5： 435-461.

[12]Kohlbrecher S， Von Stryk O， Meyer J， et al. A flexible and scalable slam system with full 3d motion estimation[C]//Safety， Security， and Rescue Robotics （SSRR）， 2011 IEEE International Symposium on. IEEE， 2011：155-160.

[13]Kohlbrecher S， Stryk O V， Meyer J， et al. A flexible and scalable SLAM system with full 3D motion estimation[C]//IEEE International Symposium on Safety， Security， and Rescue Robotics. IEEE， 2011：155-160.